自動化除草是現(xiàn)代精確農(nóng)業(yè)科學(xué)領(lǐng)域的研究熱點(diǎn)。已有的自動化除草解決方案中普遍存在魯棒性不強(qiáng)、過度依賴大量樣本等問題,針對上述問題,本研究提出了基于圖像處理多算法融合的田間雜草檢測方法,設(shè)計(jì)了一套田間雜草自動識別算法。首先通過設(shè)置顏色空間的閾值從圖像中分割土壤背景。然后采用面積閾值、模板匹配和飽和度閾值三種方法對作物和雜草進(jìn)行分類。最后基于投票的方式,綜合權(quán)衡上述三種方法,實(shí)現(xiàn)對作物和雜草的精準(zhǔn)識別與定位。以大豆田間除草為對象進(jìn)行了試驗(yàn)研究,結(jié)果表明,使用融合多圖像處理算法的投票方法進(jìn)行作物和雜草識別定位,雜草識別平均錯誤率為1.79%,識別精度達(dá)到98.21%。相較單一的面積閾值、模板匹配和飽和度閾值方法,基于投票權(quán)重識別雜草的精度平均提升5.71%。同時,針對復(fù)雜多變的農(nóng)業(yè)場景,進(jìn)行了存在雨滴和陰影干擾的魯棒性測試,實(shí)現(xiàn)了90%以上的作物識別結(jié)果,表明本研究方法具有較好的適應(yīng)性和魯棒性。本研究算法可為智能移動機(jī)器人除草作業(yè)等智慧農(nóng)業(yè)領(lǐng)域應(yīng)用提供技術(shù)支持。 

【文章頁數(shù)】：13 頁

【文章目錄】：
1 引言
2 設(shè)備與方法
    2.1 移動機(jī)器人平臺
    2.2 雜草識別與定位算法
        2.2.1 圖像預(yù)處理
        2.2.2 基于特征的檢測
    2.3 雜草識別與定位
        2.3.1 雜草檢測投票算法
        2.3.2 雜草定位算法
3 結(jié)果與分析
    3.1 雜草識別結(jié)果
        3.1.1 面積特征檢測結(jié)果
        3.1.2 模板匹配算法
        3.1.3 基于飽和度閾值特征檢測結(jié)果
    3.2 投票算法雜草檢測結(jié)果
    3.3 最終雜草質(zhì)心檢測
    3.4 算法魯棒性檢測
4 結(jié)論與討論


【參考文獻(xiàn)】：
期刊論文
[1]基于核相互子空間法的番茄葉部病害快速識別模型[J]. 張燕,李慶學(xué),吳華瑞.  智慧農(nóng)業(yè)(中英文). 2020(03)
[2]基于深度學(xué)習(xí)與特征可視化方法的草地貪夜蛾及其近緣種成蟲識別[J]. 魏靖,王玉亭,袁會珠,張夢蕾,王振營.  智慧農(nóng)業(yè)(中英文). 2020(03)
[3]基于深度卷積神經(jīng)網(wǎng)絡(luò)的水稻田雜草識別研究[J]. 彭文,蘭玉彬,岳學(xué)軍,程子耀,王林惠,岑振釗,盧楊,洪金寶.  華南農(nóng)業(yè)大學(xué)學(xué)報. 2020(06)
[4]基于深度學(xué)習(xí)的雜草識別系統(tǒng)[J]. 尚建偉,蔣紅海,喻剛,陳頡顥,王博,李兆旭,張偉平.  軟件導(dǎo)刊. 2020(07)
[5]基于邊緣檢測和BP神經(jīng)網(wǎng)絡(luò)的大豆雜草識別研究[J]. 侯雨,曹麗英,丁小奇,李靜.  中國農(nóng)機(jī)化學(xué)報. 2020(07)
[6]圖像處理技術(shù)在田間雜草識別中應(yīng)用研究[J]. 任全會,楊保海.  中國農(nóng)機(jī)化學(xué)報. 2020(06)
[7]基于卷積神經(jīng)網(wǎng)絡(luò)提取多尺度分層特征識別玉米雜草[J]. 王璨,武新慧,李志偉.  農(nóng)業(yè)工程學(xué)報. 2018(05)



本文編號：3652983